STAGE – Ingénieur Cyber & IA - Modèles de Détection basés sur les log (F/H)

QUI SOMMES-NOUS ?

Construisons ensemble un avenir de confiance

Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d'activité : Défense & Sécurité, Aéronautique & Spatial, et Cybersécurité & Identité numérique. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l'environnement et plus inclusif. Le Groupe investit près de 4 milliards d'euros par an en Recherche & Développement, notamment dans des domaines clés de l'innovation tels que l'IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 81 000 collaborateurs dans 68 pays.

Nos engagements, vos avantages

• Une réussite commune portée par notre culture et excellence technologique, votre expérience et notre ambition partagée
• Un package de rémunération attractif (épargne salariale, variable ou 13ième mois selon les postes, restaurant d'entreprise,…)
• La possibilité de développer vos compétences en continu grâce à nos parcours de formation et nos académies internes #ENTREPRISEAPPRENANTE
• Notre attention portée à votre équilibre personnel et professionnel (Accord télétravail, RTT, congés d'ancienneté, jours enfants malades, guide parentalité, crèches, CSE / ASC,… )
• Des communautés internes permettant de vous engager sur les sujets qui vous tiennent à cœur : innovation, diversité, environnement
• Un environnement inclusif et bienveillant où vous êtes accueilli et valorisé avec notre politique handi-accueillante, notre charte LGBT+, notre initiative #StOpe pour lutter contre le sexisme.

Dans ce cadre nous recherchons un :

STAGE - Ingénieur Cyber & IA - Modèles de Détection basés sur les log (F/H)- 6 mois
Basé à Palaiseau (91)

QUI ETES-VOUS ?

• Etudiant en Ecole d'Ingénieur ou formation équivalente, vous préparez un master 2 ?
• Vos études et vos expériences vous ont permis d'acquérir des connaissances solides en :

• Algorithmique et programmation (Phyton)
• Modèles MLs (LR, RF, KNN, MLP, SVC)
• Deep Learning
• Modélisation par graphes
• Sécurité (chiffrement, signature, pentest, génération d'attaques),
• Réseaux (analyse/capture de trafic,Wifi, MQTT, LoRA, etc.)

• Vous faites preuve de rigueur et d'organisation dans votre travail ?

• Enfin vous êtes à l'aise en français et en anglais ?

Vous vous reconnaissez ? Alors découvrez vos futures missions !

CE QUE NOUS POUVONS ACCOMPLIR ENSEMBLE :

Au sein des études amonts de la division communication & sécurité de Thales, le laboratoire Cyber Sécurité se charge des activités de recherche autour de la sécurité des systèmes complexes, des applications et des réseaux en s'appuyant et en les appliquant aux technologies du Machine Learning (ML). Un grand nombre d'attaques ciblent les appareils IoT, tels que Mirai et BrickerBot ainsi que des attaques conventionnelles comme DDoS, spoofing et Sybil. Parmi ceux-ci, les logiciels malveillants (malware) représentent 45 % de toutes les failles de sécurité, ce qui démontre que les pare-feu sont souvent inadéquats pour protéger les systèmes.

La détection rapide des évènements anormaux est l'étape fondamentale pour protéger les systèmes et les applications. Actuellement, de nombreux modèles d'apprentissage traditionnels sont proposés pour identifier les événements anormaux à partir des messages de journaux. Ces approches extraient des fonctionnalités utiles des messages de journaux et adoptent des algorithmes d'apprentissage automatique pour analyser les données de journaux. En raison du problème de déséquilibre des données, il est impossible de former un classificateur binaire pour détecter les séquences de journaux anormales. Par conséquent, de nombreux modèles d'apprentissage non supervisés, sont largement utilisés pour détecter les anomalies. Cependant, les modèles d'apprentissage automatique traditionnels, tels que SVM à classe unique, ont du mal à capturer les informations temporelles des messages de journaux. Récemment, les modèles d'apprentissage profond, en particulier les réseaux neurones récurrents (RNN), sont largement utilisés pour la détection des anomalies car ils sont capables de modéliser les données séquentielles. Cependant, bien que le RNN puisse capturer les informations séquentielles par la formule de récurrence, il ne peut pas créer une séquence codant les informations contextuelles provenant à la fois du contexte gauche et du contexte droit. Cependant, il est crucial d'observer l'intégralité des informations contextuelles au lieu de seulement les informations des étapes précédentes lors de la détection d'attaques malveillantes basées sur des messages de journal.

Plusieurs approches sont proposées dans l'état de l'art afin de concevoir des frameworks de détection d'anomalies basés sur les logs. Ces approches se basent soient sur des modèles d'apprentissage profond, soit sur des modèles à base de transformers ou bien des modèles à base de Graphes.

L'objectif de ce stage est de s'intéresser à la fourniture des mécanismes de détection d'anomalies basés sur des logs.

Dans ce contexte, vos missions seront les suivantes :

• Développer des connaissances autour des modèles de détection d'anomalies basés sur les logs, les modèles d'apprentissage profond, les modèles à base de transformers (BERT, RoBERTa,GPT, etc.), l'analyse des logs, le parsing, les modèles à base de graphes.
• Proposer une solution qui analyse les logs afin de détecter des anomalies ou attaques, puis implémentera les différents composants du framework étudié
• Développer les composants logiciels (protocole) nécessaires pour permettre de montrer le use case
• Effectuer l'évaluation de performances
• Rédiger le rapport de stage.

Thales s'engage pour l'emploi et l'insertion des personnes en situation de handicap. A ce titre, notre établissement Thales Research&Technology France est reconnu Organisme Handi-Accueillant

Tous nos stages sont conventionnés et soumis à une gratification dont le montant est déterminé selon votre niveau d'études.